我有兴趣将 SHAP 值应用于我在机器学习中所做的一些工作，并注意到在 github 页面上可以选择多种不同的方法：https ://github.com/slundberg/shap
我有一个神经网络模型，据我所知，我可以使用以下功能：DeepExplainer、GradientExplainer 或 KernelExplainer。我知道 DeepExplainer 基于 DeepLift，而 GradientExplainer 基于集成梯度，但我真的很难找到每种方法所做假设的清晰轮廓。有没有人能够澄清每种方法所做的假设，或者指出我的来源？
需要明确的是，我不是在谈论每个的具体速度，我正在考虑以下几点：它们中的任何一个都假设了模型的某些属性吗？他们是否假设输入是独立的？哪些适合混合使用 one-hot 编码和连续变量？简而言之，我找不到明确的参考，甚至找不到 GradientExplainer 算法的明确参考。